相机视角选择的覆盖优化
计算机视觉与模式识别
2026-04-08 v1 机器人学
摘要
什么才是好的视点？用于学习三维重建的数据质量对于实现高效且准确的场景建模至关重要。我们研究了主动视角选择问题，发展出一种原则性分析，yield 一个简单且可解释的准则，用于选择信息丰富的摄像机姿态。我们的关键洞察是，通过最小化对Fisher信息增益的可计算近似，来获得信息丰富的视图，这简化为优先选择过去摄像机观察不足的几何区域。这导致一个轻量级的基于覆盖的视角选择度量标准，避免了昂贵的光致估计，并且对噪声和训练动态具有鲁棒性。我们称该度量标准为COVER（Camera Optimization for View Exploration and Reconstruction）。我们将该方法集成到Nerfstudio框架中，并在固定场景和具身场景数据获取情境中对其进行评估。在多个数据集和辐射场基线上，我们的方法与当前主动视角选择方法相比，始终改善了重建质量。额外的可视化和我们的Nerfstudio软件包可在 https://chengine.github.io/nbv_gym/ 查看。
引用
@article{arxiv.2604.05259,
title = {Coverage Optimization for Camera View Selection},
author = {Timothy Chen and Adam Dai and Maximilian Adang and Grace Gao and Mac Schwager},
journal= {arXiv preprint arXiv:2604.05259},
year = {2026}
}